تامین مالی در بازار پول و سرمایه سبد سهام با استفاده از مدل شبکه عصبی – مصنوعی، اریما و مدل مارکوئیتز در بورس اوراق بهادار تهران

چکیدههمواره انتخاب بهینه سبد سهام یکی از مهم ترین مسائل پیش روی سرمایه گذاران و مدیران مالی است. در تحقیق حاضر ابتدا با مطالعه بازارهای مالی و نقش آن ها در اقتصاد به تحلیل داده ها می پردازیم. در تحقیق حاضر برای انتخاب بهینه سبد سهام از سه مدل شبکه عصبی- مصنوعی، مدل مارکویتز و مدل خطی اریما برای پیش بینی و انتخاب بهینه سبد سهام استفاده شد. 10 سهام از ده صنعت مختلف برای تحلیل مدل انتخاب گردید. سپس با توجه به خروجی مدل های سه گانه ی فوق سهام هایی را که میانگین بازده پیش بینی آن ها بیشتر و ریسک کم تری را دارا بودند انتخاب می گردد. برای مقایسه مدل ها از آزمون میانگین دو جامعه (t-test) در سطح معنی داری 95% استفاده شد که در نهایت شبکه عصبی به عنوان بهترین مدل شناسایی گردید.

funding in the money market and stock portfolio capital using neural-artificial network model, arima and markoitz model in tehran stock exchange

abstractchoosing the optimal stock portfolio is always one of the most important issues facing investors and financial managers. in this research, we first analyze the data by studying the financial markets and their role in the economy. in the current research, three artificial neural network models, markowitz model and erima linear model were used to predict and choose the optimal stock portfolio. 10 stocks from ten different industries were selected for model analysis. then, according to the output of the above three models, the stocks that had higher average predicted returns and lower risk are selected. to compare the models, the average test of two populations (t-test) was used at a significance level of 95%, and finally the neural network was identified as the best model.